KUNDE
VERTRAULICH
BRANCHE
VERSICHERUNG
DATE
2021–2023
Herausforderung – Das Wissen im Bereich Underwriting wird nicht erfasst
In der Versicherungsbranche ist das Underwriting ein entscheidender, aber komplexer Prozess, der spezielles Wissen und Erfahrung erfordert. Traditionell wird dieses Wissen im Risikoprüfungsbereich durch Schulungen am Arbeitsplatz von einem Mitarbeiter zum nächsten weitergegeben und in Prozessrichtlinien dokumentiert. Dieser Ansatz führt jedoch oft zu Wissenslücken und Ineffizienzen, da wertvolle Erkenntnisse und Feinheiten verloren gehen können, wenn erfahrene Risikoprüfer das Unternehmen verlassen.
Für einen führenden Versicherungsanbieter behinderte diese Herausforderung bei der Wissenssicherung die Fähigkeit, Risikoprüfungs-Prozesse effektiv zu optimieren und zu automatisieren. Ohne ein umfassendes Repository mit beschrifteten Daten, die die Feinheiten von Risikoprüfungsentscheidungen erfassen, war die Einführung einer auf maschinellem Lernen basierenden Automatisierung nicht machbar.
Ansatz – Prozesse zur Annotation von Daten
Um diese Herausforderung zu bewältigen, führte das Projektteam ein webbasiertes Annotationstool ein, das sich nahtlos in die bestehenden Arbeitsabläufe der Risikoprüfer einfügt. Während die Risikoprüfer Anträge und Dokumente prüfen, fordert das Tool sie auf, relevante Felder und Datenpunkte zu markieren – ähnlich wie Google Captchas zur menschlichen Verifizierung einsetzt.
Dieser „Human-in-the-Loop“-Ansatz ermöglicht es den Underwritern, ihr Fachwissen mühelos einzubringen, während sie ihre regulären Aufgaben erledigen. Die annotierten Daten werden anschließend zum Trainieren von Machine-Learning-Modellen für die Entitätsextraktion, Klassifizierung und Entscheidungsunterstützung verwendet, was eine effektivere Automatisierung der Underwriting-Prozesse ermöglicht.
Wichtigste Funktionen und Vorteile
- Nahtlose Integration: Das Annotationstool ist so konzipiert, dass es sich nahtlos in die bestehenden Prozesse der Risikoprüfer einfügt, wodurch Störungen minimiert und hohe Akzeptanzraten gewährleistet werden.
- Wissenserfassung in großem Maßstab: Durch die Nutzung des kollektiven Fachwissens der Underwriter im gesamten Unternehmen erfasst und bündelt die Lösung Underwriting-Wissen in einem noch nie dagewesenen Ausmaß.
- Kontinuierliches Lernen: Je mehr Daten die Risikoprüfer im Laufe der Zeit annotieren, desto besser werden die Modelle des maschinellen Lernens – was einen höheren Automatisierungsgrad und eine bessere Entscheidungsunterstützung ermöglicht.
- Wissenserhalt: Das erfasste Underwriting-Wissen wird systematisch dokumentiert und aufbewahrt, wodurch das Risiko eines Wissensverlusts durch Mitarbeiterfluktuation gemindert wird.
Messbare Auswirkungen
Seit der Einführung der „Human-in-the-Loop“-Lösung zur Dokumentenautomatisierung hat der Versicherer erhebliche Effizienzsteigerungen bei seinen Risikoprüfungsprozessen erzielt:
- 25 % kürzere Bearbeitungszeiten bei der Risikoprüfung: Durch die Automatisierung von Routineaufgaben und die Bereitstellung intelligenter Entscheidungshilfen können sich die Risikoprüfer auf komplexere Fälle konzentrieren, was zu schnelleren Bearbeitungszeiten führt.
- 40 % weniger Fehler bei der Risikoprüfung: Die Machine-Learning-Modelle, die auf von Experten annotierten Daten trainiert wurden, können potenzielle Fehler oder Unstimmigkeiten erkennen und kennzeichnen, was die Gesamtgenauigkeit der Risikoprüfungsentscheidungen verbessert.
- Verbesserte Wissenssicherung und Skalierbarkeit: Das erfasste Risikoprüfungswissen ist nun zentralisiert und zugänglich, was einen besseren Wissenstransfer und eine bessere Skalierbarkeit ermöglicht, wenn das Unternehmen wächst.
Durch die Nutzung der Vorteile von „Human-in-the-Loop“-Maschinellem Lernen und einer nahtlosen Workflow-Integration hat der Versicherungsanbieter die Herausforderung der Wissenssicherung im Underwriting erfolgreich gemeistert und damit den Weg für eine effektivere Automatisierung und kontinuierliche Prozessverbesserung geebnet.
